Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 14 ore
Schița de curs
Fundamentele AI agentice în domeniul sănătății
- Aplicații LLM agentice vs. aplicații LLM bazate doar pe instrumente
- Limitări ale autonomiei, politici și supraveghere umană
- Paisajul datelor în domeniul sănătății și constrângeri (EHR, FHIR, PHI)
Proiectarea fluxurilor de lucru ale agenților
- Planificare, memorie, utilizarea instrumentelor și bucle de reflecție
- Ingenieria prompt-urilor, funcții/instrumente și selecția acțiunilor
- Managementul stării și modele de orchestrare
Agenți cu suport de recuperare (Retrieval-Augmented Agents)
- Ingestionarea și împărțirea (chunking) documentelor medicale
- Embeddings, stocări vectoriale și evaluarea relevanței
- Anchorarea răspunsurilor și strategiile de citare
Integrări și interoperabilitate în domeniul sănătății
- Bazele FHIR/SMART pentru conectivitatea agenților
- Lucrul cu date clinice structurate și nestructurate
- Evenimente (eventing), API-uri și urme de audit (audit trails)
Siguranță, risc și management
- Mecanisme de protecție (guardrails), red-teaming și design cu protecție împotriva erorilor (fail-safe)
- Procesarea PHI, dezidentificarea și controlul accesului
- Revedere „human-in-the-loop” și trasee de escaladare
Evaluare și monitorizare
- Evaluări offline, seturi de date de referință (golden sets) și definirea KPI-urilor
- Detectorii de halucinații și verificarea fapticității
- Observabilitate, logare și gestionarea costurilor/lățimii de bandă
Modele de implementare și laborator practic
- Alegerea între modele API vs. on-prem
- Construirea unui agent cu suport de recuperare (retrieval-augmented) cu LangChain, FastAPI și ChromaDB
- Simularea răspunsului la incidente și procedurile de rollback
Rezumat și pașii următori
Cerințe
- Înțelegerea programării de bază în Python
- Experiență cu analiza datelor sau fluxurile de lucru ML
- Familiaritate cu conceptele datelor în domeniul sănătății (de exemplu, EHR, FHIR)
Public țintă
- Științistii de date din domeniul sănătății și inginerii ML
- Echipele de informatică clinică și produse de sănătate digitală
- Liderii IT și managerii de inovație din domeniul sănătății